今年6月，國外一篇《AI寒冬將至》的文章曾引發業內對人工智能發展的爭議，自動駕駛事故頻發、AI軍事化以及AI會導致人類失業等話題，也不斷被媒體所報道，受眾對AI的質疑和不信任感在增加。媒體掌握輿論話語權，AI研究員掌握著專業技術，但兩者的矛盾越來越大，面對媒體的誤讀和炒作，甚至很多科學家都要專門發文或出書進行闢謠和糾正。但這樣的情況是怎麼發生的？媒體的角色應該是什麼？又該怎麼避免呢？
去年6月，Facebook人工智能研究部門的五位研究人員發表了一篇研究報告，展示了機器人模擬人類進行談判的對話情形，發現機器人偶爾會說一些很奇怪的話，比如：“對我來說，對我來說，對我來說，對我來說，對我來說球沒什麼用。”這在當時被認為是開發出了一種機器人之間進行交流的“方言”。
這項研究並沒有新的突破，所以業內覺得沒什麼，但傳到媒體那就變成了另外一件事，他們覺得這是一件很嚴重的事情。比如，Fast Company發表了一篇題為《人工智能發明了人類無法理解的語言，我們應該阻止嗎？》的文章，全篇都在描述機器人不斷出現偏離標準英語的交流，更重要的是，Facebook的研究員是在認為這些機器人失控的情況下，決定“拔掉插頭”，結束這項研究。
這篇文章出來後持續發酵，並且引發很多媒體的跟風，甚至煽動大家的恐懼情緒，稱Facebook的工程師因為機器人進行了新創語言的自主交流而感到恐慌，不得已叫停了他們的AI研究項目。《太陽報》還說“這與電影《終結者》的情節非常相似，其中有一個機器人出現自我意識後對人類發起了戰爭”。
對於這些由媒體制造的“聳人聽聞”消息，卡耐基梅隆大學機器學習系的助理教授Zachary Lipton感到萬分沮喪。根據他的說法，近年來“機器學習”和“深度學習”等話題越來越受關注，導致了這種“見縫插針”的低質新聞的泛濫—— Lipton稱之為“AI誤報風向”（AI misinformation epidemic）——不但歪曲了研究目的，還對人們正確理解該行業的發展造成了負面影響。
在這種情況下，越來越多的AI研究員也同樣體會到了Lipton的挫敗感，並開始擔心人工智能猜測性的虛假報道，會促使人們對其發展前景抱有錯誤的預期，最終威脅到人工智能未來的進步以及其他新興技術的應用。
由來已久的誇張報道，科學家出書闢謠
事實上，媒體對計算機智能的誇大宣傳並非我們這個時代所獨有的，早在“計算”這一概念出現時就已經存在。而最早可追溯到1946年2月，當體型巨大的電子數字積分計算機Eniac發佈時，記者紛紛將其描述為“電子大腦”、“數學怪人”、“天氣預測者和控制者”，甚至是“巫師”。為了遏制對這一新機器的炒作，避免大眾受到虛假新聞的誤導，著名英國物理學家DR Hartree在《自然》雜誌上發表了一篇文章，描述了Eniac簡單而有效的工作方式。
但讓他難過的是，《倫敦時報》在他的研究基礎上發表了一篇題為《電子大腦：解決謎題，帶有記憶的閥門》的文章。對此，Hartree特意給該編輯寫信，稱“電子大腦”一詞具有誤導性，機器“無法替代人類的思想”。遺憾的是，誤導已經形成，在媒體眼中Eniac永遠成為了“大腦機器”的象徵。
無獨有偶，美國康奈爾航空實驗室的工程師Frank Rosenblatt在1958年提出了一種名為“感知器”（perceptron）的基本機器學習算法，按照設計，它只能通過培訓來識別有限的模式範圍，但《紐約時報》發表了一篇文章聲稱該算法是一個“電子大腦”，可以“自學”，並很快“能學會走路、說話、看、寫作、自我複製，同時也能意識到自己的存在“。
到了20世紀60年代末，許多AI先驅者越來越明顯地意識到自己低估了在機器中模擬人腦的難度。1969年，曾公開表示機器智能將超越人類的馬文·明斯基與計算機科學家西摩爾·帕普特共同撰寫了一本書，來證明Rosenblatt的感知器無法實現專家們曾經的設想，同時還表示，其智能程度遠沒有媒體宣傳的那麼誇張。
這本書出版後，迅速在人工智能及其他領域傳播開來，掀起了一場戳穿人工智能“神話”的潮流。1972年，哲學家Hubert Dreyfus發表了一篇名為《計算機所無法勝任的事情》的文章，對機器研究產生了深遠的影響。一年後，英國數學家James Lighthill發表了關於機器智能發展現狀的報告，得出結論——迄今為止，人工智能和機器智能領域所取得的成果，並沒有產生預期的重大影響。
“神話”幻滅後，人工智能便迎來了第一個寒冬。在這期間，該領域的研究經費幾乎全部放緩。就連那麼曾經對“電子大腦”興致勃勃的媒體，也失去了報道興趣。雖然在20世紀80年代和90年代出現了小規模的“復興”跡象，但AI或多或少還是成為了科幻小說家們嘴邊的話題 ，而計算機科學家也盡力避免使用人工智能一詞，因為害怕被視為“白日夢空想家”。
寒冬過後，深度學習出現引發媒體狂熱追捧
人工智能第一個寒冬的結束，是在新一代研究人員發表關於成功應用“深度學習”技術的論文之後。雖然從本質上說，這也是一種類似於Rosenblatt感知器的數據統計技術，但計算能力的提高和龐大數據集的可用性，也意味著深度學習使語音識別、圖像識別和語言翻譯等任務變得切實可行。
而隨著深度學習的火熱，比如越來越多的企業斥資研究以及越來越多的學生展開學習，這也讓沉寂了很長時間的媒體開始了大肆的報道。2013年，John Markoff在《紐約時報》上撰寫了一篇關於深度學習和神經網絡的專題文章《像人腦的計算機：從經驗中學習》，不僅回顧了60年前的媒體炒作，還提出了新技術所帶來的可能性。其中提到“在未來幾年中，深度學習將會催生新一代人工智能系統，完成一些簡單的人工任務，包括看、聽、說和操控等等。”
從那時起，關於“AI末日”，“人工大腦”，“超級人工智能”和“令人毛骨悚然的Facebook 人工智能機器人”等誇張報道便開始每天出現在各大媒體上。而隨著越來越多的媒體對人工智能進行大肆宣傳，研究員的失望和沮喪也越來越明顯。
讓人感到不安的不僅是記者的“知識盲區”，而是總有無知媒體自稱是AI領域的“大V”，但實際上，他們只會在其博客上引用馬斯克的話進行內容質量低下的炒作。對此，Lipton表示：“人工智能要想取得實際進展需要一個清醒和知情的話題環境。但現在，大眾瞭解的都是與事實不符的信息。對於信息的真偽與重要性，他們無從得知。”
Lipton並不是第一個對人工智能新聞炒作感到擔憂的人。去年，美國機器人專家Rodney Brooks撰寫了一篇文章，批評了麻省理工科技評論對人工智能未來發展前景的過度猜想。2013年，紐約大學教授Gary Marcus也寫了一篇文章，認為炒作將帶來不切實際的期望，進而讓人工智能進入又一個寒冬。
媒體與研究員加強合作，才能行業正確的方向
但對於Lipton來說，AI寒冬的風險並不可怕，可怕的是媒體將如何誤導人們對人工智能的理解。為了解決這個問題，他在去年3月創辦了自己的博客，試圖能憑藉一己之力緩和那些聳人聽聞的AI新聞。
到目前為止，Lipton的博客得到了媒體的一些關注，並有了固定的讀者群，但Lipton知道他的影響是有限的，“這個行業真正需要的是培訓記者，讓他們更誠實，在這種情況發生之前，我的博客只是一塊鵝卵石，激不起千層浪”。
新興技術領域的專欄作家Joanne McNeil對此十分贊同，她也認為科技新聞中存在很大的問題，記者自身素質需要提高。雖然她也會在Twitter上調侃一些帶有《終結者》風格的文章，但還是不會直接批判科技記者，因為在她看來，人工智能炒作的原因之一是資源分配不均。
按照她的話來說，如果你將記者的收入與人工智能研究員的收入進行比較，很快就會清楚為什麼新聞記者無法寫出具有專業深度文章，畢竟他們不能與專業人士相提並論。研究人員可以從炒作中受益，但對想要對這項技術進行批判的記者來說，只是在“受苦“。事實上，相關知識過硬的媒體人很少，如果研究員真關心記者寫出來的文章內容，那他們應該參與到新聞撰寫中。同時，還要適當提高記者的收入，以便鼓勵他們花費時間去認真挖掘與之相關的內容和專業知識。
雖然記者和研究人員之間更密切的互動，將是朝著正確方向邁出的一步，但澳大利亞國立大學工程與計算機科學教授Genevieve Bell表示，消除人工智能新聞的炒作是不可能的，因為關於電子大腦或Facebook機器人的文章並不是關於技術的，而是關於大眾的文化希望與焦慮。
總的來說，現在，毫無根據的猜測與真正的研究之間的界限有些模糊，但從歷史的發展角度來說，這種模糊的界限終究要明確起來，以便大眾合理區分，哪些內容是重要的，哪些只是幻想。
閱讀更多 AI小智君 的文章
